Apprentissage Artificiel Ed2 v1

  • View
    111

  • Download
    3

Embed Size (px)

Text of Apprentissage Artificiel Ed2 v1

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@

    gmail

    .com)

    - 12 m

    ai 20

    14

    14:22

    Antoine Cornujols estprofesseur AgroParisTech.Il enseigne lapprentissageartificiel dans plusieursgrandes coles et en Master.Ses recherches portentnotamment surlapprentissage en ligne,lapprentissage partir de flux de donnesainsi que sur desapplications enbioinformatique et sciencesdu vivant.

    Laurent Miclet estprofesseur lENSSAT(www.enssat.fr) de Lannion,universit de Rennes-I, et responsable du projetCORDIAL de lIRISA(www.irisa.fr). Il enseigne lapprentissageartificiel et lareconnaissance des formesdans plusieurs grandescoles et en Master. Ses recherches portent enparticulier surlapprentissage pour ledialogue homme-machine etles technologies vocales.

    Les programmes dintelligence artificielle sont aujourdhuicapables de reconnatre des commandes vocales, danalyserautomatiquement des photos satellites, dassister des expertspour prendre des dcisions dans des environnements complexeset volutifs (analyse de marchs financiers, diagnostics mdi-caux), de fouiller dimmenses bases de donnes htrognes,telles les innombrables pages du Web

    Pour raliser ces tches, ils sont dots de modules dapprentissageleur permettant dadapter leur comportement des situationsjamais rencontres, ou dextraire des lois partir de bases dedonnes dexemples.

    Ce livre prsente les concepts qui sous-tendent lapprentissageartificiel, les algorithmes qui en dcoulent et certaines de leursapplications. Son objectif est de dcrire un ensemble dalgo-rithmes utiles en tentant dtablir un cadre thorique pour len-semble des techniques regroupes sous ce terme dapprentis-sage artificiel .

    qui sadresse ce livre ? Ce livre sadresse tant aux dcideurs et aux ingnieurs quisouhaitent mettre au point des applications quaux tudiantsde niveau Master 1 et 2 et en cole dingnieurs, qui souhaitentun ouvrage de rfrence sur ce domaine cl de lintelligenceartificielle.

    SommaireI. Les fondements de lapprentissage Premire approche de linduction Environnement mthodologique II. Apprentissage par exploration Induction etrelation dordre Programmation logique inductive Transfert de connaissance Infrencegrammaticale Apprentissage par volution III. Apprentissage par optimisation Modles linaires Rseaux connexionnistes Rseaux baysiens HMM (modles de Markovcachs) Infrence darbres IV. Apprentissage par approximation etinterpolation Mthodes noyaux Apprentissage baysien Apprentissage parrenforcement V. Au-del de lapprentissage supervis Combinaisons dexperts Classification non supervise et fouille de donnes. Apprentissage semi-supervis Nouvelles tches et nouvelles questions Annexes et bibliographie.

    Apprentissageartificiel

    Code

    dite

    ur : G

    1247

    1 IS

    BN : 9

    78-2

    -212

    -124

    71-2

    A. C

    ornu

    jol

    sL.

    Mic

    let

    Appr

    entis

    sage

    art

    ifici

    el

    55E

    Concepts et algorithmes

    Apprentissageartificiel

    Alg

    orit

    hmes

    Antoine Cornujols - Laurent Miclet

    Prface de Jean-Paul Haton

    2 edition

    2 edition

    2 edition

    2e dition

    cornu2010 27/04/10 16:55 Page 1

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@

    gmail

    .com)

    - 12 m

    ai 20

    14

    14:22

    Antoine Cornujols estprofesseur AgroParisTech.Il enseigne lapprentissageartificiel dans plusieursgrandes coles et en Master.Ses recherches portentnotamment surlapprentissage en ligne,lapprentissage partir de flux de donnesainsi que sur desapplications enbioinformatique et sciencesdu vivant.

    Laurent Miclet estprofesseur lENSSAT(www.enssat.fr) de Lannion,universit de Rennes-I, et responsable du projetCORDIAL de lIRISA(www.irisa.fr). Il enseigne lapprentissageartificiel et lareconnaissance des formesdans plusieurs grandescoles et en Master. Ses recherches portent enparticulier surlapprentissage pour ledialogue homme-machine etles technologies vocales.

    Les programmes dintelligence artificielle sont aujourdhuicapables de reconnatre des commandes vocales, danalyserautomatiquement des photos satellites, dassister des expertspour prendre des dcisions dans des environnements complexeset volutifs (analyse de marchs financiers, diagnostics mdi-caux), de fouiller dimmenses bases de donnes htrognes,telles les innombrables pages du Web

    Pour raliser ces tches, ils sont dots de modules dapprentissageleur permettant dadapter leur comportement des situationsjamais rencontres, ou dextraire des lois partir de bases dedonnes dexemples.

    Ce livre prsente les concepts qui sous-tendent lapprentissageartificiel, les algorithmes qui en dcoulent et certaines de leursapplications. Son objectif est de dcrire un ensemble dalgo-rithmes utiles en tentant dtablir un cadre thorique pour len-semble des techniques regroupes sous ce terme dapprentis-sage artificiel .

    qui sadresse ce livre ? Ce livre sadresse tant aux dcideurs et aux ingnieurs quisouhaitent mettre au point des applications quaux tudiantsde niveau Master 1 et 2 et en cole dingnieurs, qui souhaitentun ouvrage de rfrence sur ce domaine cl de lintelligenceartificielle.

    SommaireI. Les fondements de lapprentissage Premire approche de linduction Environnement mthodologique II. Apprentissage par exploration Induction etrelation dordre Programmation logique inductive Transfert de connaissance Infrencegrammaticale Apprentissage par volution III. Apprentissage par optimisation Modles linaires Rseaux connexionnistes Rseaux baysiens HMM (modles de Markovcachs) Infrence darbres IV. Apprentissage par approximation etinterpolation Mthodes noyaux Apprentissage baysien Apprentissage parrenforcement V. Au-del de lapprentissage supervis Combinaisons dexperts Classification non supervise et fouille de donnes. Apprentissage semi-supervis Nouvelles tches et nouvelles questions Annexes et bibliographie.

    Apprentissageartificiel

    Code

    dite

    ur : G

    1247

    1 IS

    BN : 9

    78-2

    -212

    -124

    71-2

    A. C

    ornu

    jol

    sL.

    Mic

    let

    Appr

    entis

    sage

    art

    ifici

    el

    Concepts et algorithmes

    Apprentissageartificiel

    Alg

    orit

    hmes

    Antoine Cornujols - Laurent Miclet

    Prface de Jean-Paul Haton

    2 edition

    2 edition

    2 edition

    2e dition

    cornu2010 27/04/10 16:55 Page 1

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@

    gmail

    .com)

    - 12 m

    ai 20

    14

    14:22

    Apprentissageartificiel

    cornuejolstitre 26/04/10 17:23 Page 1

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@

    gmail

    .com)

    - 12 m

    ai 20

    14

    14:22

    CHEZ LE MME DITEUR

    Dans la mme collection

    G. Dreyfus et al. Apprentissage statistique et rseaux de neurones. Mthodologie et applications. N12229, 3e dition 2008, 464 pages avec CD-Rom.

    P. Nam, P.-H. WuillemiN, P. leray, O. POurret, a. Becker. Rseaux baysiens. N11972, 3e dition, 2007, 424 pages (collection Algorithmes).

    G. fleury, P. lacOmme et a. taNGuy. Simulation vnements discrets. Modles dterministes et stochastiques Exemples dapplications implments en Delphi et en C++. N11924, 2006, 444 pages avec CD-Rom.

    J. ricHalet et al. La commande prdictive. Mise en oeuvre et applications industrielles. N11553, 2004, 256 pages.

    P. lacOmme, c. PriNs, m. sevaux Algorithmes de graphes. N11385, 2003, 368 pages, avec CD-Rom.

    J. DrO, a. PtrOWski, P. siarry, e. taillarD Mtaheuristiques pour loptimisation difficile. Recuit simul, recherche tabou, algorithmes volutionnaires et algorithmes gntiques, colonies de fourmis N11368, 2003, 368 pages.

    y. cOllette, P. siarry Optimisation multiobjectif. N11168, 2002, 316 pages.

    C. Guret, c. PriNs, m. sevaux. Programmation linaire. 65 problmes doptimisation modliss et rsolus avec Visual XPress. N9202, 2000, 365 pages, avec CD-ROM.

    Autres ouvrages

    i. HurBaiN, avec la contribution dE. Dreyfus. Mmento Unix/Linux N11954, 2006, 14 pages.

    c. Jacquet. Mmento LaTeX N12244, 2007, 14 pages.

    r. rimel. Mmento MySQL. N12720, 2e dition 2010, 14 pages.r. m. stallmaN et al. Richard Stallman et la rvolution du logiciel libre. Une biographie autorise. N12609, 2010, 344 pages.

    s. BOrDaGe, D. tHveNON, l. DuPaquier, f. BrOusse. Conduite de projet Web. N12665, 5e dition, 2010, 432 pages.

    S. JaBer. Programmation GWT 2. Dvelopper des applications Ajax avec le Google Web Toolkit. N12569, 2010, 484 pages

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@

    gmail

    .com)

    - 12 m

    ai 20

    14

    14:22

    Antoine Cornujols - Laurent Miclet

    Apprentissageartificiel

    cornuejolstitre 26/04/10 17:23 Page 2

    2 e dition

  • Ce d

    ocum

    ent e

    st la

    pro

    pri

    t e

    xclu

    sive

    de O

    livie

    r BER

    NHAR

    D (ol

    ivier.

    simple

    life@